基于孤立森林与IDE-GPR的室内灯光照度预测模型

摘要

针对室内光线照度分布的非线性、时变性问题，提出一种改进差分进化（improved differential evolution, IDE）和高斯过程回归（Gaussian process regression, GPR）融合的方法，结合孤立森林（isolationforest, iFroest）来建立室内灯光照度预测模型。首先，通过使用孤立森林算法剔除异常数据并对其余数据进行归一化处理。然后，为克服传统差分进化（DE）算法的早熟收敛问题，提出了一种基于进化状态的概率选择策略，并将变异因子F设定为服从正态分布，以提高算法性能。同时，利用IDE算法对具备不确定量化特性的GPR模型的超参数进行寻优，从而建立最优的室内灯光照度预测模型。最后将所提出的基于孤立森林与IDE-GPR的模型与其它模型进行比较，实验结果表明该模型的R²、δ_MAE、δ_RMSE分别为0.999、0.245 lux、0.324 lux优于其他模型，能够更准确的预测室内光环境的照明状态。

关键词

灯光照度预测模型 / 高斯过程回归 / 超参数优化 / 改进差分进化算法 / 孤立森林